Towards transparent recommenders: An explanation-based negotiation approach

Farklı sektörlerde giderek artan öneri sistemlerinin kullanımıyla ve yükselen etik kaygılarla birlikte, bu sistemlerle etkileşimde bulunurken artan bir şeffaflık ve açıklayıcılık ihtiyacı bulunmaktadır. Bu nedenle, yapay zekanın açıklanabilirliği, öneri sistemlerine entegre edilerek, etkileşimi teşvik etme ve kullanıcı güvenini artırma amacıyla umut verici bir yaklaşım olarak öne çıkmıştır. Bu tez, açıklanabilirlik tekniklerini kullanarak öneri sistemlerinde sosyal etkileşimleri teşvik etmeye odaklanmaktadır. Tasarlanan öneri sistemi, şeffaf veri tabanı mekanizmaları ve insan-merkezli müzakere yaklaşımlarının bir kombinasyonunu kullanmaktadır. Bu sistem, bireysel tercihler ve benzeri kişiselleştirilmiş faktörlere dayalı olarak kişiye özel öneriler sunmakta ve açıklamalar ile gerçek zamanlı geri bildirim mekanizmaları aracılığıyla kullanıcılarla müzakere etmektedir. Sistem, kullanıcıların çevrimiçi yanıtlarına tepki vererek sonraki önerileri ve açıklamaları, kullanıcıları ikna edecek şekilde uyarlamaktadır. Bu tez, yiyecek alerjileri, yeme alışkanlıkları, yaşam tarzları ve yemek içeriği tercihleri gibi kişisel faktörlere dayalı olarak kişiselleştirilmiş gıda önerileri sunan Sanal Beslenme Koç'larını ele almaktadır. Temel olarak, Sanal Beslenme Koç'unun şeffaflığını ve güvenilirliğini artırmak amacıyla sistemin etkileşimini birden fazla adımda geliştirmeye yönelik açıklama uyarlama tekniklerine odaklanmaktadır. Sonuç olarak, sistem kabul edilebilirliğini ve etkililiğini değerlendirmek için farklı geçmişe sahip katılımcılarla aşamalı olarak çok sayıda deney gerçekleştirmiştir. Deneylerden elde edilen sonuçlar genel olarak katılımcıların geri bildirim sağlama ve verilen önerilere ilişkin açıklamalar alma fırsatını takdir ettiğini göstermektedir. Katılımcılar, kendi özel ihtiyaçları ve beklentilerine uygun bilgi almayı tercih etmektedirler. Ayrıca, katılımcılar çeşitli açıklamalarla ilgili düşüncelerini dile getirmişlerdir. Bulgular, karşılaştırmalı nitelikteki açıklamaların bilgilendirici nitelikteki açıklamalara göre tercih edilmediğini göstermektedir. Kullanıcıların, önerileri neden seçildiğini direk olarak belirten, doğrudan ve basit açıklamaları tercih ettikleri görülmektedir.